, ,

کتاب آشنایی با انواع مختلف داده‌ها در بینایی کامپیوتر: تصاویر، ویدئوها و داده‌های سه بعدی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب آشنایی با انواع مختلف داده‌ها در بینایی کامپیوتر: تصاویر، ویدئوها و داده‌های سه بعدی

موضوع کلی: برنامه نویسی

موضوع میانی: بینایی کامپیوتر (Computer Vision)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر بینایی کامپیوتر
  • 2. تعریف و اهمیت بینایی کامپیوتر در هوش مصنوعی
  • 3. کاربردهای مختلف بینایی کامپیوتر (مثال‌ها)
  • 4. معرفی اجزای یک سیستم بینایی کامپیوتر
  • 5. تاریخچه کوتاه و روندهای آینده در بینایی کامپیوتر
  • 6. تصویر دیجیتال: مفهوم پیکسل و رزولوشن
  • 7. چگونه یک تصویر دیجیتالی می‌شود؟ (Sampling و Quantization)
  • 8. معرفی مدل رنگی RGB و کانال‌های رنگی
  • 9. تصاویر Grayscale و Binarized
  • 10. فضاهای رنگی HSV و HSL (مفهوم و کاربرد)
  • 11. فضای رنگی CMYK و کاربردهای چاپی (اشاره)
  • 12. نمایش داده‌ای تصاویر: آرایه‌ها و ماتریس‌ها
  • 13. فرمت‌های رایج تصاویر: JPEG، PNG، BMP، TIFF
  • 14. فشرده‌سازی تصاویر: اصول اولیه (lossy vs. lossless)
  • 15. بارگذاری و نمایش تصاویر در محیط‌های برنامه‌نویسی
  • 16. دستکاری اولیه تصاویر: برش (Cropping)
  • 17. دستکاری اولیه تصاویر: تغییر اندازه (Resizing/Scaling)
  • 18. دستکاری اولیه تصاویر: چرخش (Rotation) و فلیپ (Flipping)
  • 19. تبدیل نوع داده پیکسل‌ها (مثلاً از 8-bit به float)
  • 20. هیستوگرام تصاویر: توزیع شدت پیکسل‌ها
  • 21. مبانی پردازش تصویر: اهداف و روش‌ها
  • 22. نویز در تصاویر: انواع (گوسی، نمک و فلفل) و منابع
  • 23. فیلترهای فضایی: مفهوم هسته (Kernel) و کانولوشن
  • 24. فیلترهای هموارسازی (Smoothing): میانگین (Mean Filter)
  • 25. فیلترهای هموارسازی: میانه (Median Filter) برای حذف نویز
  • 26. فیلتر گاوسی (Gaussian Blur) و کاربردهای آن
  • 27. فیلترهای شارپ‌سازی (Sharpening) تصاویر
  • 28. تشخیص لبه (Edge Detection): مفهوم گرادیان تصویر
  • 29. عملگرهای Sobel و Prewitt برای تشخیص لبه
  • 30. عملگر Laplacian و فیلترهای LoG
  • 31. آشکارساز لبه Canny: مراحل و اصول کار
  • 32. برابر سازی هیستوگرام (Histogram Equalization) برای بهبود کنتراست
  • 33. آستانه‌گذاری (Thresholding) ساده برای تفکیک اشیاء
  • 34. آستانه‌گذاری تطبیقی (Adaptive Thresholding)
  • 35. عملیات مورفولوژیکی: فرسایش (Erosion)
  • 36. عملیات مورفولوژیکی: انبساط (Dilation)
  • 37. عملیات مورفولوژیکی: باز شدن (Opening) و بسته شدن (Closing)
  • 38. سگمنتیشن تصویر: مقدمه و روش‌های ساده
  • 39. سگمنتیشن مبتنی بر ناحیه (Region Growing)
  • 40. بخش‌بندی بر اساس رنگ (Color-based Segmentation)
  • 41. تشخیص گوشه (Corner Detection): الگوریتم هریس (Harris Corner)
  • 42. استخراج ویژگی‌های کلیدی (Keypoint Extraction)
  • 43. توصیف‌گرهای محلی تصویر (Feature Descriptors): ایده SIFT
  • 44. تطابق ویژگی‌ها (Feature Matching) بین تصاویر
  • 45. همترازی (Registration) تصاویر دو بعدی
  • 46. ویدئو چیست؟ دنباله‌ای از فریم‌های تصویری
  • 47. نرخ فریم (Frame Rate) و تاثیر آن بر کیفیت و روان بودن
  • 48. ابعاد و رزولوشن فریم‌های ویدئو
  • 49. بعد زمان در داده‌های ویدئویی
  • 50. فشرده‌سازی ویدئو: مقدمه و اهمیت
  • 51. فشرده‌سازی درون‌فریم (Intra-frame Compression – I-frames)
  • 52. فشرده‌سازی بین‌فریم (Inter-frame Compression – P-frames, B-frames)
  • 53. گروه‌های تصاویر (Group of Pictures – GOP)
  • 54. کدک‌های ویدئویی رایج (H.264, MPEG-4)
  • 55. فرمت‌های فایل ویدئویی (MP4, AVI, MOV, MKV)
  • 56. بارگذاری، پخش و ذخیره ویدئو
  • 57. استخراج فریم‌ها از یک فایل ویدئویی
  • 58. ساخت ویدئو از دنباله‌ای از تصاویر
  • 59. تخمین حرکت (Motion Estimation)
  • 60. جریان نوری (Optical Flow): مفهوم و کاربرد
  • 61. الگوریتم Lucas-Kanade برای جریان نوری
  • 62. تشخیص حرکت (Motion Detection): روش‌های ساده
  • 63. تفریق پس‌زمینه (Background Subtraction): مدل‌سازی پس‌زمینه
  • 64. ردیابی شیء (Object Tracking): مقدمه و چالش‌ها
  • 65. ردیابی مبتنی بر تطابق و فیلترینگ (مفهومی)
  • 66. تثبیت ویدئو (Video Stabilization) برای حذف لرزش
  • 67. کاهش نویز زمانی در ویدئوها
  • 68. سگمنتیشن اشیاء متحرک در ویدئو
  • 69. تشخیص رویداد (Event Detection) در ویدئو (مثال‌ها)
  • 70. خلاصه‌سازی ویدئو (Video Summarization)
  • 71. معرفی داده‌های سه‌بعدی: فراتر از دو بعد
  • 72. انواع نمایش داده‌های سه‌بعدی: ابر نقاط، مش‌ها، داده‌های حجمی
  • 73. ابر نقاط (Point Clouds): ماهیت و ویژگی‌ها
  • 74. مش‌ها (Meshes): رئوس، یال‌ها و وجوه
  • 75. وکسل (Voxel): پیکسل سه‌بعدی برای داده‌های حجمی
  • 76. منابع داده‌های سه‌بعدی: حسگرهای عمق (Depth Sensors)
  • 77. حسگرهای عمق فعال و غیرفعال (مثلاً Kinect)
  • 78. لایدار (LiDAR): اصول کار و کاربردها
  • 79. استریو ویژن (Stereo Vision) برای بازسازی عمق
  • 80. ساختار از حرکت (Structure from Motion – SfM)
  • 81. بازسازی سه‌بعدی از تصاویر دو بعدی: مفاهیم اولیه
  • 82. سیستم‌های مختصات سه‌بعدی: محلی و جهانی
  • 83. تبدیل‌های هندسی سه‌بعدی (انتقال، چرخش، مقیاس)
  • 84. فرمت‌های رایج داده‌های سه‌بعدی: OBJ، PLY، STL
  • 85. نویز در داده‌های سه‌بعدی و چالش‌های آن
  • 86. پردازش ابر نقاط: فیلترینگ نویز
  • 87. پردازش ابر نقاط: کاهش نمونه (Downsampling)
  • 88. نرمال‌های سطح (Surface Normals) در ابر نقاط و مش‌ها
  • 89. استخراج ویژگی‌های سه‌بعدی (Curvature, Local Features)
  • 90. همترازی (Registration) ابر نقاط: ICP (Iterative Closest Point)
  • 91. بازسازی سطح (Surface Reconstruction) از ابر نقاط
  • 92. مش‌بندی (Meshing) از ابر نقاط
  • 93. فشرده‌سازی داده‌های سه‌بعدی
  • 94. اسکن سه‌بعدی و کاربردهای آن
  • 95. مدل‌سازی سه‌بعدی و رندرینگ (مقدمه)
  • 96. ترکیب انواع داده‌ها (Data Fusion): تصویر + عمق
  • 97. مقدمه‌ای بر یادگیری عمیق برای بینایی کامپیوتر (اشاره به CNN)
  • 98. کاربردهای یادگیری عمیق در تحلیل تصاویر، ویدئوها و داده‌های سه‌بعدی
  • 99. مجموعه داده‌های (Datasets) رایج در بینایی کامپیوتر
  • 100. ملاحظات اخلاقی و چالش‌های آینده در بینایی کامپیوتر

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب آشنایی با انواع مختلف داده‌ها در بینایی کامپیوتر: تصاویر، ویدئوها و داده‌های سه بعدی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

, ,

کتاب آشنایی با انواع مختلف داده‌ها در بینایی کامپیوتر: تصاویر، ویدئوها و داده‌های سه بعدی

تومان249,950

انتخاب پلن

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب آشنایی با انواع مختلف داده‌ها در بینایی کامپیوتر: تصاویر، ویدئوها و داده‌های سه بعدی

موضوع کلی: برنامه نویسی

موضوع میانی: بینایی کامپیوتر (Computer Vision)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر بینایی کامپیوتر
  • 2. تعریف و اهمیت بینایی کامپیوتر در هوش مصنوعی
  • 3. کاربردهای مختلف بینایی کامپیوتر (مثال‌ها)
  • 4. معرفی اجزای یک سیستم بینایی کامپیوتر
  • 5. تاریخچه کوتاه و روندهای آینده در بینایی کامپیوتر
  • 6. تصویر دیجیتال: مفهوم پیکسل و رزولوشن
  • 7. چگونه یک تصویر دیجیتالی می‌شود؟ (Sampling و Quantization)
  • 8. معرفی مدل رنگی RGB و کانال‌های رنگی
  • 9. تصاویر Grayscale و Binarized
  • 10. فضاهای رنگی HSV و HSL (مفهوم و کاربرد)
  • 11. فضای رنگی CMYK و کاربردهای چاپی (اشاره)
  • 12. نمایش داده‌ای تصاویر: آرایه‌ها و ماتریس‌ها
  • 13. فرمت‌های رایج تصاویر: JPEG، PNG، BMP، TIFF
  • 14. فشرده‌سازی تصاویر: اصول اولیه (lossy vs. lossless)
  • 15. بارگذاری و نمایش تصاویر در محیط‌های برنامه‌نویسی
  • 16. دستکاری اولیه تصاویر: برش (Cropping)
  • 17. دستکاری اولیه تصاویر: تغییر اندازه (Resizing/Scaling)
  • 18. دستکاری اولیه تصاویر: چرخش (Rotation) و فلیپ (Flipping)
  • 19. تبدیل نوع داده پیکسل‌ها (مثلاً از 8-bit به float)
  • 20. هیستوگرام تصاویر: توزیع شدت پیکسل‌ها
  • 21. مبانی پردازش تصویر: اهداف و روش‌ها
  • 22. نویز در تصاویر: انواع (گوسی، نمک و فلفل) و منابع
  • 23. فیلترهای فضایی: مفهوم هسته (Kernel) و کانولوشن
  • 24. فیلترهای هموارسازی (Smoothing): میانگین (Mean Filter)
  • 25. فیلترهای هموارسازی: میانه (Median Filter) برای حذف نویز
  • 26. فیلتر گاوسی (Gaussian Blur) و کاربردهای آن
  • 27. فیلترهای شارپ‌سازی (Sharpening) تصاویر
  • 28. تشخیص لبه (Edge Detection): مفهوم گرادیان تصویر
  • 29. عملگرهای Sobel و Prewitt برای تشخیص لبه
  • 30. عملگر Laplacian و فیلترهای LoG
  • 31. آشکارساز لبه Canny: مراحل و اصول کار
  • 32. برابر سازی هیستوگرام (Histogram Equalization) برای بهبود کنتراست
  • 33. آستانه‌گذاری (Thresholding) ساده برای تفکیک اشیاء
  • 34. آستانه‌گذاری تطبیقی (Adaptive Thresholding)
  • 35. عملیات مورفولوژیکی: فرسایش (Erosion)
  • 36. عملیات مورفولوژیکی: انبساط (Dilation)
  • 37. عملیات مورفولوژیکی: باز شدن (Opening) و بسته شدن (Closing)
  • 38. سگمنتیشن تصویر: مقدمه و روش‌های ساده
  • 39. سگمنتیشن مبتنی بر ناحیه (Region Growing)
  • 40. بخش‌بندی بر اساس رنگ (Color-based Segmentation)
  • 41. تشخیص گوشه (Corner Detection): الگوریتم هریس (Harris Corner)
  • 42. استخراج ویژگی‌های کلیدی (Keypoint Extraction)
  • 43. توصیف‌گرهای محلی تصویر (Feature Descriptors): ایده SIFT
  • 44. تطابق ویژگی‌ها (Feature Matching) بین تصاویر
  • 45. همترازی (Registration) تصاویر دو بعدی
  • 46. ویدئو چیست؟ دنباله‌ای از فریم‌های تصویری
  • 47. نرخ فریم (Frame Rate) و تاثیر آن بر کیفیت و روان بودن
  • 48. ابعاد و رزولوشن فریم‌های ویدئو
  • 49. بعد زمان در داده‌های ویدئویی
  • 50. فشرده‌سازی ویدئو: مقدمه و اهمیت
  • 51. فشرده‌سازی درون‌فریم (Intra-frame Compression – I-frames)
  • 52. فشرده‌سازی بین‌فریم (Inter-frame Compression – P-frames, B-frames)
  • 53. گروه‌های تصاویر (Group of Pictures – GOP)
  • 54. کدک‌های ویدئویی رایج (H.264, MPEG-4)
  • 55. فرمت‌های فایل ویدئویی (MP4, AVI, MOV, MKV)
  • 56. بارگذاری، پخش و ذخیره ویدئو
  • 57. استخراج فریم‌ها از یک فایل ویدئویی
  • 58. ساخت ویدئو از دنباله‌ای از تصاویر
  • 59. تخمین حرکت (Motion Estimation)
  • 60. جریان نوری (Optical Flow): مفهوم و کاربرد
  • 61. الگوریتم Lucas-Kanade برای جریان نوری
  • 62. تشخیص حرکت (Motion Detection): روش‌های ساده
  • 63. تفریق پس‌زمینه (Background Subtraction): مدل‌سازی پس‌زمینه
  • 64. ردیابی شیء (Object Tracking): مقدمه و چالش‌ها
  • 65. ردیابی مبتنی بر تطابق و فیلترینگ (مفهومی)
  • 66. تثبیت ویدئو (Video Stabilization) برای حذف لرزش
  • 67. کاهش نویز زمانی در ویدئوها
  • 68. سگمنتیشن اشیاء متحرک در ویدئو
  • 69. تشخیص رویداد (Event Detection) در ویدئو (مثال‌ها)
  • 70. خلاصه‌سازی ویدئو (Video Summarization)
  • 71. معرفی داده‌های سه‌بعدی: فراتر از دو بعد
  • 72. انواع نمایش داده‌های سه‌بعدی: ابر نقاط، مش‌ها، داده‌های حجمی
  • 73. ابر نقاط (Point Clouds): ماهیت و ویژگی‌ها
  • 74. مش‌ها (Meshes): رئوس، یال‌ها و وجوه
  • 75. وکسل (Voxel): پیکسل سه‌بعدی برای داده‌های حجمی
  • 76. منابع داده‌های سه‌بعدی: حسگرهای عمق (Depth Sensors)
  • 77. حسگرهای عمق فعال و غیرفعال (مثلاً Kinect)
  • 78. لایدار (LiDAR): اصول کار و کاربردها
  • 79. استریو ویژن (Stereo Vision) برای بازسازی عمق
  • 80. ساختار از حرکت (Structure from Motion – SfM)
  • 81. بازسازی سه‌بعدی از تصاویر دو بعدی: مفاهیم اولیه
  • 82. سیستم‌های مختصات سه‌بعدی: محلی و جهانی
  • 83. تبدیل‌های هندسی سه‌بعدی (انتقال، چرخش، مقیاس)
  • 84. فرمت‌های رایج داده‌های سه‌بعدی: OBJ، PLY، STL
  • 85. نویز در داده‌های سه‌بعدی و چالش‌های آن
  • 86. پردازش ابر نقاط: فیلترینگ نویز
  • 87. پردازش ابر نقاط: کاهش نمونه (Downsampling)
  • 88. نرمال‌های سطح (Surface Normals) در ابر نقاط و مش‌ها
  • 89. استخراج ویژگی‌های سه‌بعدی (Curvature, Local Features)
  • 90. همترازی (Registration) ابر نقاط: ICP (Iterative Closest Point)
  • 91. بازسازی سطح (Surface Reconstruction) از ابر نقاط
  • 92. مش‌بندی (Meshing) از ابر نقاط
  • 93. فشرده‌سازی داده‌های سه‌بعدی
  • 94. اسکن سه‌بعدی و کاربردهای آن
  • 95. مدل‌سازی سه‌بعدی و رندرینگ (مقدمه)
  • 96. ترکیب انواع داده‌ها (Data Fusion): تصویر + عمق
  • 97. مقدمه‌ای بر یادگیری عمیق برای بینایی کامپیوتر (اشاره به CNN)
  • 98. کاربردهای یادگیری عمیق در تحلیل تصاویر، ویدئوها و داده‌های سه‌بعدی
  • 99. مجموعه داده‌های (Datasets) رایج در بینایی کامپیوتر
  • 100. ملاحظات اخلاقی و چالش‌های آینده در بینایی کامپیوتر

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب آشنایی با انواع مختلف داده‌ها در بینایی کامپیوتر: تصاویر، ویدئوها و داده‌های سه بعدی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا